基于動態(tài)反饋的負載均衡方法研究

楊杭，張昕，趙建平

（長春理工大學(xué) 計算機科學(xué)技術(shù)學(xué)院，長春 130022）

近年來，基于互聯(lián)網(wǎng)的各類應(yīng)用服務(wù)已逐步深入到人類生產(chǎn)生活的各個方面，在開展服務(wù)過程中，大量的服務(wù)請求在單位時間內(nèi)到達服務(wù)端，并要求后者以盡可能短的延遲完成對服務(wù)請求的應(yīng)對處理。因此，服務(wù)端的吞吐能力直接影響了應(yīng)用服務(wù)質(zhì)量，其直接體現(xiàn)為支撐服務(wù)能力的服務(wù)器（集群）所具備的并發(fā)處理能力，較高的并發(fā)處理能力意味著同時單位數(shù)量的服務(wù)請求能夠在相對更短的時間內(nèi)被應(yīng)對處理［1］。作為一種提高并發(fā)處理能力的措施，負載均衡技術(shù)采用多點分發(fā)的方式實現(xiàn)對大量服務(wù)請求的均衡分組，使服務(wù)器集群中的多個工作服務(wù)器（按其在集群中發(fā)揮的作用可分別稱為“總控節(jié)點”和“工作節(jié)點”）各自獨立地對近似等量的服務(wù)請求實施接入，達成并行化的應(yīng)對處理，從而降低服務(wù)請求的響應(yīng)延遲，提高服務(wù)請求的接入效率。

本文提出基于動態(tài)反饋的負載均衡方法，通過動態(tài)反饋機制，實時收集各工作節(jié)點的運行情況，從而在服務(wù)請求接入過程中根據(jù)運行條件動態(tài)調(diào)整工作負載的分配方案，使各工作節(jié)點在可行的范圍內(nèi)承擔(dān)相近的工作負載，避免負載分配不均衡。該方法能夠有效適應(yīng)并發(fā)處理過程中的動態(tài)運行條件，具有較好的實時性和靈活性。

1 相關(guān)工作

最早的均衡機制是通過循環(huán)DNS（Domain Name System）實現(xiàn)的［2］，該機制通過DNS配置使一臺擁有域名的主機（稱為工作主機）具備多個映射地址，到達的用戶服務(wù)請求在與工作主機進行交互后，由后者采用輪詢方式將請求分配至特定的映射地址，即另外實際開展處理響應(yīng)的服務(wù)單元，從而實現(xiàn)由不同服務(wù)單元對多個服務(wù)請求進行應(yīng)對處理，在一定程度上達到了負載均衡的效果，但此種方式下的負載分配效率相對較低，且受限于網(wǎng)絡(luò)拓撲結(jié)構(gòu)，因此其負載均衡效果并不太理想。

Nikolaou等人［3］通過研究認為，工作節(jié)點的資源實際利用率是達成更好負載均衡效果的核心因素，負載均衡方案的主要工作目標(biāo)之一即是合理規(guī)劃工作負載的分配，使各工作節(jié)點的資源均等充分地發(fā)揮效能。Cardellini和 Bryhni［4］等人對多種負載均衡方法進行了對比研究，主要分析了基于客戶端、服務(wù)器、DNS以及中心分配器等負載均衡策略的優(yōu)缺點，比較了各種實現(xiàn)算法的性能，為負載均衡方法體系提供了有力支持。關(guān)于負載均衡的產(chǎn)品，目前國內(nèi)外已經(jīng)有不少公司在從事基于軟件和硬件的負載均衡產(chǎn)品研發(fā)。其中，基于軟件負載均衡的產(chǎn)品有LVS、Lander Balance和Check Point等［5］。

2 基于動態(tài)反饋的負載均衡方法

在面對用戶的大量并發(fā)服務(wù)請求時，實施負載均衡的核心任務(wù)是通過合理的任務(wù)調(diào)度安排策略，使得服務(wù)器集群在執(zhí)行服務(wù)任務(wù)過程中滿足來自總體完成時間、任務(wù)吞吐量、資源利用效率以及可擴展性等多方面的約束。本文提出的基于動態(tài)反饋的負載均衡方法，重點考慮工作節(jié)點自身負載狀況和接入任務(wù)情況的動態(tài)性，形成并發(fā)請求工作條件下的任務(wù)分配及執(zhí)行近優(yōu)解決方案。

本文主要圍繞以下四個方面構(gòu)建負載均衡方法：

（1）節(jié)點參數(shù)：即各個工作節(jié)點即時的負載情況，包括運行隊列中的任務(wù)數(shù)目、系統(tǒng)調(diào)用的速率、空閑存儲器的大小等。

（2）評估決策：根據(jù)當(dāng)前工作節(jié)點的負載情況評估是否需要將后續(xù)到達的任務(wù)分配轉(zhuǎn)移至其他工作節(jié)點并處理。本文中采用閾值限定的方式對待任務(wù)轉(zhuǎn)移進行判定。

（3）轉(zhuǎn)移位置：對于適合轉(zhuǎn)移到其他工作節(jié)點的任務(wù)，要明確任務(wù)轉(zhuǎn)移的目標(biāo)工作節(jié)點。

（4）維持手段：確定可進行轉(zhuǎn)移的任務(wù)列表，進而通過任務(wù)傳輸實現(xiàn)負載調(diào)度，保持負載均衡。

圖1 負載均衡方法執(zhí)行流程

通過對上述四個方面進行綜合分析，首先對運行場景中的相關(guān)可用資源情況進行收集和識別，具體包括：可用的工作節(jié)點、節(jié)點的處理能力、可用的存儲空間和內(nèi)存；然后分析和判斷當(dāng)前接入任務(wù)的執(zhí)行情況，如果所有任務(wù)均已完成，則轉(zhuǎn)至等待新任務(wù)的接入；如果存有尚待完成的任務(wù)，則對任務(wù)需求進行分析，具體需求包括：任務(wù)的到達率、任務(wù)數(shù)量以及各項任務(wù)對內(nèi)存的預(yù)計占用情況，并根據(jù)任務(wù)需求相應(yīng)調(diào)整任務(wù)處理策略及參數(shù)；接下來采集各工作節(jié)點中任務(wù)運行隊列參數(shù)，以實現(xiàn)對當(dāng)前處理性能的判斷，從而確定執(zhí)行負載均衡措施的邏輯起始節(jié)點及可行時間點；在此之后配置和執(zhí)行負載遷移方法，即選定需要遷出的任務(wù)條目及任務(wù)所在的工作節(jié)點，并將其遷入另外的工作節(jié)點；接下來識別是否有新的任務(wù)等待接入，如果有新任務(wù)，則轉(zhuǎn)至之前對運行場景中可用資源情況的收集和識別，并執(zhí)行后續(xù)的相應(yīng)流程；如果沒有新任務(wù)，則完成當(dāng)前負載均衡方法的執(zhí)行，如圖1所示。

2.1 動態(tài)反饋策略

針對并發(fā)處理過程的實際情況，本文提出了面向全局均衡質(zhì)量的工作情況動態(tài)反饋策略，綜合考慮負載均衡場景的關(guān)鍵要素及其相互作用。在開展請求接入和服務(wù)響應(yīng)的過程中，持續(xù)采集和分析各工作節(jié)點負載情況，重點圍繞全局的負載均衡質(zhì)量執(zhí)行相應(yīng)任務(wù)處理，結(jié)合動態(tài)反饋方式，保持均衡措施的合用和有效。

本文參考了控制論中的反饋原理動態(tài)地分析工作節(jié)點當(dāng)前的運行狀況，評估負載指標(biāo)，進而調(diào)整和規(guī)劃任務(wù)負載均衡的方案，保障工作性能的持續(xù)有效，如圖2所示。

圖2 基于動態(tài)反饋的評估機制

本文以各節(jié)點的工作狀態(tài)作為出發(fā)點對其資源占用情況進行持續(xù)評估，并分析任務(wù)執(zhí)行過程中的各種特征數(shù)據(jù)，持續(xù)評估實施負載均衡方案后的服務(wù)器集群系統(tǒng)性能，相應(yīng)調(diào)整任務(wù)分配方案。其具體的評估任務(wù)包括兩項：

（1）對工作節(jié)點的負載情況評估；

（2）根據(jù)負載情況評估，制定負載閾值設(shè)定策略，并根據(jù)評估結(jié)果對閾值進行動態(tài)調(diào)整。

節(jié)點負載情況評估主要包括對工作節(jié)點自身情況的評估和對各節(jié)點間交互情況的評估，其對應(yīng)的工況指標(biāo)參數(shù)分別是：

其中，idle表示在對應(yīng)時間點CPU的空閑時間，cpu表示相應(yīng)的CPU總運行時間。

其中，用MemTotal表示RAM總共的物理空間，用MemFree表示未使用的內(nèi)存。

綜上，在完成對工作節(jié)點內(nèi)各部件工作情況評估的基礎(chǔ)上，節(jié)點工況指標(biāo)表達為：

其中，σ代表對應(yīng)部件在評估中所占的衡量權(quán)重，稱為部件性能權(quán)重，上述各部件工況指標(biāo)均采用使用率表達，其取值范圍為0%至100%，0%代表該部件未被使用，100%代表該部件已達到滿負載工作狀態(tài)。

相應(yīng)的節(jié)點交互工況指標(biāo)表達為：

其中，m為當(dāng)前工作節(jié)點保持與其他節(jié)點連接的總數(shù)表示當(dāng)前工作節(jié)點與標(biāo)識編號為k的其他節(jié)點的連通交互情況，如果存在交互連通（即connected），其取值為1，否則（即disconnected）為0。

通過上述指標(biāo)，對每個工作節(jié)點的負載指標(biāo)評估表達為：

其中，θ表示對應(yīng)指標(biāo)在評估中所占的衡量權(quán)重，稱為節(jié)點性能權(quán)重。

通過上述計算過程，可根據(jù)上述工作節(jié)點的負載指標(biāo)評估結(jié)果構(gòu)建調(diào)度策略。其中，設(shè)定兩個閾值作為調(diào)度決策參數(shù)，分別為δ1和δ2，并且δ1＜δ2。

綜合分析公式（3）、（4）、（5）可以得知，由變量標(biāo)識S表征的指標(biāo)參數(shù)直接反映了相關(guān)部件以及交互活動在負載均衡過程中的負載情況，部件性能權(quán)重σ和節(jié)點性能權(quán)重θ反映了各項負載情況在負載均衡方案中的關(guān)鍵程度。因此，上述公式中權(quán)重參數(shù)的設(shè)定能夠?qū)⒇撦d均衡任務(wù)場景引入到調(diào)度方案中，其取值主要來源于數(shù)據(jù)中心管理人員的經(jīng)驗設(shè)定，并通過長時間的運行積累逐步形成穩(wěn)定配置。另外，通過實際工作中積累的經(jīng)驗和對服務(wù)器系統(tǒng)性能表現(xiàn)的分析，推薦的調(diào)度決策初始參數(shù)（即δ1和δ2）取值分別設(shè)定為0.5和0.8。

在負載均衡運行過程中，需要通過連續(xù)且持續(xù)的負載參數(shù)采集，形成周期性的負載指標(biāo)評估，根據(jù)負載均衡方案運行的具體場景，可對采集周期進行調(diào)整，以減小由頻繁評估參數(shù)采集造成的系統(tǒng)性能降低和能量損耗。根據(jù)實際工作經(jīng)驗表明，評估參數(shù)的采集周期可根據(jù)服務(wù)請求頻度相應(yīng)設(shè)定在10秒至90秒之間。

在基于動態(tài)反饋策略執(zhí)行負載均衡措施過程中，經(jīng)分析發(fā)現(xiàn)，引發(fā)集群中任務(wù)動態(tài)調(diào)整進而帶動反饋動作的情況主要發(fā)生在新加入任務(wù)的實時載入、網(wǎng)絡(luò)帶寬情況的實時動態(tài)變動以及各工作節(jié)點即時的負載能力調(diào)整等三個場景中。

在新任務(wù)載入階段，如果有新的工作節(jié)點被納入到負載均衡系統(tǒng)方案中，此類工作節(jié)點的加入基本不會對整體任務(wù)規(guī)劃和集群性能表現(xiàn)產(chǎn)生消極影響。新加入的工作節(jié)點會被優(yōu)先配置執(zhí)行完成時間相對較短的任務(wù)，并按照上述策略執(zhí)行相應(yīng)反饋措施。

2.2 負載均衡任務(wù)調(diào)度

在執(zhí)行負載均衡解決方案的服務(wù)器集群中，其總控節(jié)點部署的負載均衡算法綜合考慮所有工作節(jié)點的實時負載情況和處理性能，不斷調(diào)整任務(wù)分布的比例，避免任務(wù)分配不平衡造成的各種問題。由于負載均衡處理的任務(wù)量隨時間動態(tài)變化，通過對閾值的動態(tài)調(diào)整，使各工作節(jié)點工作情況大致等于負載閾值，實現(xiàn)任務(wù)均衡分配并充分發(fā)揮各工作節(jié)點的處理效能。

圖3 負載均衡工作過程

負載均衡的具體工作過程為（參見圖3）：

（1）在總控節(jié)點開展負載均衡管理，根據(jù)現(xiàn)有的節(jié)點工作情況和負載均衡閾值，分析系統(tǒng)負載情況；

（2）通過節(jié)點之間的連接，總控節(jié)點將工作任務(wù)分配至各個工作節(jié)點；

（3）各工作節(jié)點對接收到的任務(wù)進行處理；

（4）收集各個工作節(jié)點的實時負載狀態(tài)信息；

（5）根據(jù)收集的負載狀態(tài)信息，計算和評估各節(jié)點工作情況；

（6）對比節(jié)點的工作情況和負載均衡閾值，根據(jù)預(yù)設(shè)的均衡策略，在后續(xù)的負載均衡管理中相應(yīng)調(diào)整負載均衡閾值。

在負載均衡工作過程的信息收集階段，總控節(jié)點對其他工作節(jié)點的實時運行情況信息進行收集，收集的信息主要包括所在節(jié)點的負載情況、任務(wù)分配情況、響應(yīng)速度等信息。收集過程根據(jù)策略以及實際情況，一般情況下都是周期性的機制。比較常用的機制是工作節(jié)點周期性地向總控節(jié)點發(fā)送信息，工作節(jié)點利用心跳機制周期性的向總控節(jié)點發(fā)送狀態(tài)信息，保證總控節(jié)點掌握較新的工作節(jié)點狀態(tài)，并使前者以此判斷工作節(jié)點是否存在。

周期性的信息收集方式實現(xiàn)起來較為簡單，但是所存在的問題也相對較為明顯。首先，周期性的信息傳輸會加重總控節(jié)點的負載，并且所有工作節(jié)點均向總控節(jié)點發(fā)送消息，會造成較大的通信開銷；其次，消息傳送的周期長短不容易確定，太長會造成信息更新不及時，太短會造成通信負載的增加；最后，假如在一次任務(wù)分配周期內(nèi)發(fā)送多次新任務(wù)，會導(dǎo)致后續(xù)任務(wù)不能得到高效的處理。反之，當(dāng)兩次更新之間沒有新任務(wù)到達，就會造成系統(tǒng)資源的浪費。

鑒于上述情況，總控節(jié)點的周期性信息收集并不完全適合實際應(yīng)用中出現(xiàn)的各種狀況。因此，本文對周期性信息收集方式進行擴展，使總控節(jié)點在進行周期性信息收集的同時還根據(jù)當(dāng)前任務(wù)數(shù)據(jù)量的需要采集工作節(jié)點狀態(tài)信息。根據(jù)任務(wù)數(shù)據(jù)量進行信息收集的算法思想是：總控節(jié)點接收到新任務(wù)時，主動向工作節(jié)點發(fā)送狀態(tài)詢問請求，收集工作節(jié)點的負載情況；工作節(jié)點接收到總控節(jié)點的狀態(tài)詢問請求時，就會將當(dāng)前的負載情況、資源占有情況、任務(wù)分配情況等信息發(fā)送給總控節(jié)點。

總控節(jié)點調(diào)度過程如下：

if新任務(wù)到達 ||開始新的時間周期

重置clock

總控節(jié)點發(fā)送詢問請求，接受從節(jié)點負載信息

if當(dāng)前節(jié)點i綜合信息滿足

給當(dāng)前節(jié)點i分配或者加入隊列

end if

end if

從當(dāng)前節(jié)點i工作過程：

if當(dāng)前節(jié)點i接收到總控節(jié)點的詢問請求

將負載信息反饋給總控節(jié)點

end if

在整個節(jié)點的通信過程中，可采用TCP協(xié)議進行消息傳輸來確?？煽啃裕鶕?jù)傳輸特點，工作節(jié)點接收總控節(jié)點分配任務(wù)并回復(fù)總控節(jié)點，為了確?？偪毓?jié)點監(jiān)測到的信息更準(zhǔn)確，工作節(jié)點收到任務(wù)之后向總控節(jié)點回復(fù)消息，該消息中包含工作節(jié)點自身信息和在負載均衡調(diào)整過程中所用到的伙伴節(jié)點信息，并且每一個工作節(jié)點都在回復(fù)消息中添加其攜帶的時間戳，以保證總控節(jié)點收到的信息是最新的?？偪毓?jié)點依據(jù)攜帶信息對所存的相應(yīng)工作節(jié)點信息進行更新，既能準(zhǔn)確獲得工作節(jié)點的負載信息又能減少節(jié)點之間的通信量，又可保持調(diào)度算法的簡單可行。按需收集狀態(tài)信息的方式會出現(xiàn)空載運行的情況，為此，當(dāng)系統(tǒng)空閑時，工作節(jié)點等待總控節(jié)點收集信息并做出決策；當(dāng)系統(tǒng)運行時，工作節(jié)點并行處理實際任務(wù)和回復(fù)總控節(jié)點的詢問請求，并不持續(xù)等待分配任務(wù)，能夠充分利用系統(tǒng)資源。

總控節(jié)點只在提交任務(wù)的時候收集信息，當(dāng)系統(tǒng)負載均衡處理壓力比較大且特定時間段內(nèi)執(zhí)行任務(wù)數(shù)量過大時，總控節(jié)點在任務(wù)分配方面消耗的運算資源較多，時間消耗大。上述算法在進行設(shè)計的時候考慮到工作節(jié)點在接收到任務(wù)之后捎帶發(fā)送自己最新的負載信息給總控節(jié)點，在此過程中總控節(jié)點只會更新接收到任務(wù)的節(jié)點負載信息，而那些沒有接收任務(wù)的節(jié)點不會發(fā)送負載信息給總控節(jié)點。通過此種方式，能夠有效降低空閑節(jié)點接收到新任務(wù)的可能性。結(jié)合采用周期性的節(jié)點負載信息收集方式，使總控節(jié)點在保持按需收集方式的同時，周期性地收集所有節(jié)點的信息，可提高近期未被分配任務(wù)的節(jié)點接受新任務(wù)的可能性。綜上所述，周期性收集和按需收集相結(jié)合的工作模式，能夠保證負載信息的實時性和降低節(jié)點間交互的通信量，在提高系統(tǒng)整體性能的同時，較好地均衡各節(jié)點的負載。

3 實驗驗證

本文采用CloudSim云計算仿真平臺驗證負載均衡方案（版本為4.0），CloudSim是基于離散事件模型使用Java語言設(shè)計開發(fā)的仿真模擬應(yīng)用系統(tǒng)［6］，具備Java語言的跨平臺部署特性，可在Windows、Linux或MacOS操作系統(tǒng)中運行，用于在集群環(huán)境下對系統(tǒng)架構(gòu)和部署方案進行建模和仿真。

本文選擇了CloudSim的部分核心類用于構(gòu)建仿真模擬環(huán)境，具體包括：

（1）DataCenter class：該類用于模擬集群基礎(chǔ)設(shè)施中的數(shù)據(jù)中心解決方案，封裝了在其中配置相應(yīng)工作節(jié)點的相關(guān)方法；

（2）DataCenterBroker class：該類封裝了管理內(nèi)部工作節(jié)點的相關(guān)方法，支持對工作節(jié)點的加入、回收等操作；

（3）Host class：該類用于模擬集群環(huán)境下物理主機對虛擬機的映射關(guān)系，封裝了物理主機對部署虛擬機的管理策略，如對內(nèi)存容量、數(shù)據(jù)存儲容量、處理器性能等性能參數(shù)的管理；同時，該類還提供對虛擬機協(xié)作交互的仿真模擬。

（4）VirtualMachine class：該類用于模擬集群中部署的虛擬機，其在Host class中作為成員模擬多個虛擬機之間的資源共享和內(nèi)部調(diào)度等策略；

（5）VMScheduler class：該類用于模擬對多個虛擬機之間的調(diào)度和管理策略，允許實現(xiàn)虛擬機任務(wù)的掛載；

（6）VMProvsioner class：該類用于對DataCenter對象中Host對象與VirtualMachine對象的映射關(guān)系進行配置；

（7）Cloudlet class：該類用于對集群中的任務(wù)進行模擬，并支持對任務(wù)的資源配置。

本文使用3臺物理主機（分別標(biāo)識為PH_LB_1601、PH_LB_1602和PH_LB_1603）配置部署負載均衡仿真實驗環(huán)境，各臺物理主機在安裝和配置JDK8.0基礎(chǔ)上，配置CloudSim4.0，并相應(yīng)設(shè)置了環(huán)境變量。

負載均衡仿真實驗將上述3臺物理主機配置到1個DataCenter對象中（標(biāo)識為CS_DC_LB）。物理主機PH_LB_1601在該DataCenter對象中配置2個VirtualMachine對象（分別標(biāo)識為VM_CL_1601_01、VM_LB_CTL_1601_02）作為負載均衡控制器，用于執(zhí)行負載均衡的調(diào)度和管理；物理主機PH_LB_1602和物理主機PH_LB_1603各自分別構(gòu)建了3個VirtualMachine對象（標(biāo)識依次為VM_LB_1602_01、 VM_LB_1602_02、 VM_LB_1602_03、VM_LB_1603_01、VM_LB_1603_02和 VM_LB_1603_03）。上述物理主機內(nèi)部的VirtualMachine對象形成了由7個節(jié)點組成的負載均衡方案。上述節(jié)點的網(wǎng)絡(luò)拓撲結(jié)構(gòu)如圖4所示。

基于上述網(wǎng)絡(luò)拓撲結(jié)構(gòu)，調(diào)用Host對象和VMScheduler對象將本文提出的基于動態(tài)反饋的負載均衡策略和調(diào)度算法部署至物理主機PH_LB_1601、物理主機PH_LB_1602和物理主機PH_LB_1603的虛擬節(jié)點中。

圖4 實驗方案的網(wǎng)絡(luò)拓撲結(jié)構(gòu)

在測試負載均衡方案時，本文在VirtualMachine對象VM_CL_1601_01中配置由Httperf生成負載任務(wù)，用于測試服務(wù)請求接入能力。測試方案中重點關(guān)注兩項性能指標(biāo)：（1）服務(wù)請求的平均響應(yīng)時間與并發(fā)連接數(shù)的關(guān)聯(lián)關(guān)系，以反映方案的服務(wù)請求接入性能；（2）給定服務(wù)請求場景中的可用并發(fā)連接數(shù)，以反映方案能夠處理的最大并發(fā)接入能力。實驗環(huán)境中由多臺服務(wù)器構(gòu)成的集群對多種并發(fā)連接數(shù)的平均響應(yīng)時間表現(xiàn)比較穩(wěn)定，測試數(shù)據(jù)如表-1所示。從上述實驗結(jié)果可以看出，采用集群方式的負載均衡方案在處理并發(fā)請求方面具備較好的性能表現(xiàn)，在并發(fā)連接數(shù)持續(xù)上升的情況下，響應(yīng)時間基本保持在7ms以內(nèi)。可見采用集群方式構(gòu)建的負載均衡方案能夠有效控制服務(wù)器處理請求接入的時間。

表1 負載均衡方案的響應(yīng)時間

對負載均衡策略進行評價時，主要考察實際并發(fā)連接數(shù)來分析基于動態(tài)反饋的負載均衡算法的性能表現(xiàn)，并以Nginx自帶的IP Hash算法作為對比。其中，IP Hash算法的核心思想是根據(jù)服務(wù)請求來源的IP地址進行哈希映射，并將哈希運算結(jié)果作為選擇實際應(yīng)答服務(wù)請求的服務(wù)器節(jié)點的依據(jù)，進而將服務(wù)請求分配至相應(yīng)的服務(wù)器節(jié)點,如表2所示。

表2 實際并發(fā)連接數(shù)對比

由圖5分析能夠發(fā)現(xiàn)，當(dāng)并發(fā)連接數(shù)較低時（800以內(nèi)），實際并發(fā)連接數(shù)基本與并發(fā)請求連接數(shù)持平，偶有少量丟失情況（IP Hash算法的丟失率為0.2%，基于動態(tài)反饋的負載均衡算法的丟失率為0.6%），能夠保持基本正常的請求接入性能。當(dāng)并發(fā)連接數(shù)持續(xù)增加并達到1000時，IP Hash算法出現(xiàn)了明顯的并發(fā)請求連接丟失情況，其丟失率達到31.8%，而此時基于動態(tài)反饋的負載均衡算法的丟失率僅為2%。相比之下可見，后者擁有更好的服務(wù)請求接入性能。

圖5 實際并發(fā)連接數(shù)測試對比結(jié)果

4 結(jié)語

本文通過對動態(tài)負載均衡方法的介紹，優(yōu)化了動態(tài)負載均衡過程中的動態(tài)反饋策略，并在實際過程中實現(xiàn)負載均衡的任務(wù)調(diào)度，對負載均衡工作過程中的任務(wù)隊列調(diào)度進行了詳細的分析。論文首先實現(xiàn)對節(jié)點負載情況的一個評估，之后通過對負載均衡的閾值設(shè)定，進而實現(xiàn)了在負載均衡優(yōu)化策略方面的優(yōu)化。并通過搭建實驗環(huán)境對實驗結(jié)果進行了仿真驗證，證明進行優(yōu)化了的基于動態(tài)反饋的負載均衡算法在解決數(shù)據(jù)高并發(fā)方面比IP Hash算法更加良好。隨著網(wǎng)絡(luò)數(shù)據(jù)量不斷增大這一現(xiàn)實問題，在數(shù)據(jù)高并發(fā)處理過程中，對于網(wǎng)絡(luò)負載均衡優(yōu)化的研究需要采用更加優(yōu)化的算法，在以后的工作中將會在該方面進行更加深入的研究。

［1］文軍，張思峰，李濤柱.移動互聯(lián)網(wǎng)技術(shù)發(fā)展現(xiàn)狀及趨勢綜述［J］.通信技術(shù)，2014（9）：977-984.

［2］Cybenko G.Dynamic load balancing for distributed memory multiprocessors［J］.JournalofParallel&Distributed Computing，1989，7（2）：279-301.

［3］Bond A.ODSI：Enterprise service coordination［C］.International Symposium on Distributed Objects and Applications，2001.

［4］Xinhua E，Han J，Wang Y，et al.Big data-as-a-service：definition and architecture［C］.IEEE International Conference on Communication Technology，IEEE，2013：738-742.

［5］Raghavendra S，Chitra S Reddy，Geeta C M，et al.Survey on data storage and retrievaltechniques over encrypted cloud data［J］.International Journal of Computer Science and Information Security（IJCSIS），2016，14（9）：718-745.